Você está na página 1de 14

UNIVERSIDADE FEDERAL DO CEAR - UFC FACULDADE DE ECONOMIA, ADMINNISTRAO, ATUARIAIS E CONTABILIDADE.

DISCIPLINA: ECONOMETRIA II

DADOS EM PAINEL

EQUIPE: PROFESSOR: Fortaleza Ce Julho / 2013

NDICE 1. Introduo.......................................................................................................................... 03 2. Objetivo.............................................................................................................................. 04 3. Procedimento......................................................................................................................05 4. Concluso...........................................................................................................................11 Referncias........................................................................................................................ 12

1. INTRODUO

Dados em painel tambm chamados de dados combinados, pois combinam informaes de unidades de corte transversal com as informaes de dimenso temporal. O modelo por painel se mostra mais eficiente, em relao aos dados em cortes transversais ou s series temporais, pelo fado da combinao apresentar um maior grau de informaes, maior variabilidade, a possibilidade de considerar o efeito da homocedasticidade no observada e capaz de minimizar o vis de agregao. Temos um modelo geral que representar um painel:
Y it =Z i + X it + it

Em que Z i representa os efeitos especficos, ou caractersticas, das unidades que no variam ao longo do tempo e it o termo de erro. Na utilizao de dados em painel temos trs modos de estimar: POOLED: esse mtodo de regresso supe que o intercepto z i possui apenas m termo constante, ou seja, todas as unidades cross-sections possuem o mesmo intercepto. Y it = + X it + it O mtodo de estimao o usual, ou seja, os mnimos quadrados ordinrios (MQO). EFEITO FIXO: esse mtodo leva em considerao as diferenas entre as unidades cross-section ao longo do tempo, nesse caso o z i no observvel, onde temos que i= z i , e uma constante especifica de cada grupo em um modelo de regresso.
Y it = i + X it + it

O mtodo de estimao pode ser dado de duas formas, a primeira a estimao chamada de mnimos quadrados com variveis dummy (MQVD). Esse mtodo tem como funo principal a criao de uma varivel dicotmica, que ir apresentar o valor 0 (zero) ou 1 (um). O outro mtodo de estimao o de mdia temporal intra-grupo. Esse modelo considera o desvio em torno da mdia, aps fazer essa mdia aplicado os mnimos quadrados ordinrios e tem-se os mesmos resultados obtido pelo mtodo de variveis dummy.

EFEITO ALEATRIO: o modelo de efeito aleatrio considera que os i so distintos e a heterogeneidade no correlacionada com os regressores e considera o intercepto como sendo uma constante da mdia de heterogeneidade no observada, = E ( z i ) .

Y it = X it + E ( z i ) . + [ z i E ( z i ) ] + it

+ u i Y it = X it +
O termo u i capta a a heterogeneidade aleatria especifica da i-esima unidade e constante no tempo. Como os erros de cada unidade so correlacionados o mtodo de estimao mais adequado os mnimos quadrados generalizados (MQG). Dos trs mtodos de estimao, para determinar qual o melhor tem-se de fazer alguns testes que iro indicar qual o modelo mais adequado para a estimao em questo. Esses testes so trs que iro cruzar os modelos dois a dois. So denominados como Teste F, Teste Breusch e Pagan e o Teste de Hausman. TESTE HAUSMAN: um teste que cruza o efeito fixo com o efeito varivel. A sua hiptese a correlao dos erros com os regressores, ou seja: H 0 : ui no correlacionado com os regressores x. (EFEITO ALEATRIO)

H 1 : u i correlacionado com os regressores x. (EFEITO FIXO) A estatstica de teste de Hausman segue uma qui-quadrada com k 1 graus de liberdade (
X (2k 1) gl .

2. OBJETIVO

Utilizar o programa Stata para fazer as regresses por Pooled, Efeitos Fixo e Efeitos Aleatrios; Fazer os teste para definir o melhor modelo de estimao;

3. PROCEDIMENTOS

O modelo ser estimado nesse procedimento ser a estimao do logaritmo de salrio com dados captados entre os anos de 1980 a 1987 com 545 indivduos.

Lwage = 0,0708046 + 0,1007479 educ +0,0981492 exper 0,0032994 expersq 0,0000738 hours 0,1427501 black + 0,0205635 hisp + 0,1193949 married + 0,1736339 union

LWAGE: Representa o logaritmo dos salrios; EDUC: Representa o nvel de educao do indivduo, considerando seus anos de estudo; EXPER: Representa o nvel de experincia do indivduo, medido em anos de trabalho; EXPERSQ: Representa o nvel de experincia do indivduo ao quadrado, levando em considerao os anos trabalho em contraponto da idade. HOURS: Representa as horas trabalhadas por um indivduo em um ano; BLACK: Representa uma dummy que indica se o indivduo negro ou no; MARRIED: Representa uma dummy que indica se o indivduo casado ou no; HISP: Representa uma dummy que indica se o indivduo hispnico ou no; UNION: Representa uma dummy que indica se o indivduo tem uma unio estvel ou no.

Analisando o modelo de dados em painel, regredindo pelos mtodos de Pooled, de Efeitos Fixos e de Efeitos Aleatrios; poderemos estimar a influncia que essas variveis citadas acima tm em relao definio dos salrios dos indivduos. Depois, realizando os testes, veremos qual o melhor modelo a ser utilizado para estimar nosso modelo. Para a estimao do modelo e testes ser utilizado o programa estatstico Stata.

3.1 ESTIMAO

3.1.1

Modelo Pooled:

Aplicando o modelo de dados empilhados, o modelo Pooled, estimando pelo mtodo de mnimos quadrados e analisando a significncia de cada varivel, obtemos os seguintes resultados:

Variveis cons educ exper expersq hours black hisp married union

Coeficientes 0,708046 0,1007479 0,0981492 -0,0032994 -0,0000738 -0,1427501 0,0205635 0,1193949 0,1736339

Ep() 0,0671477 0,046685 0,102082 0,0007097 0,0000134 0,0234815 0,0207603 0,0157884 0,171033 Tabela 3.1

Estatstica t 1,05 21,58 9,61 -4,65 -5,50 -6,08 0,99 7,56 10,15

Significncia Significante Significante Significante Significante Significante Significante No significante Significante Significante

Lwage = 0,0708046 + 0,1007479 educ +0,0981492 exper 0,0032994 expersq 0,0000738 hours 0,1427501 black + 0,0205635 hisp + 0,1193949 married + 0,1736339 union

Interpretando os resultados

EDUC: Um aumento de uma unidade de ano de estudo, aumenta em 0,1007479% o logaritmo dos salrios, mantendo tudo o mais constante. EXPER: Um aumento de uma unidade de ano de experincia aumenta em 0,0981492% o logaritmo dos salrios, mantendo tudo o mais constante. EXPERSQ: Um aumento de uma unidade de ano de experincia aumenta em 0,0981492%, porm a taxas decrescentes de 0,0032994%, mantendo tudo o mais constante. HOURS: Um aumento em unidade de hora trabalhada em um ano, diminui em 0,0000738% o logaritmo dos salrios, mantendo tudo o mais constante. BLACK: O fato de o indivduo ser classificado como negro diminui em 0,1427501% o logaritmo dos salrios, mantendo tudo o mais constante.
7

HISP: Varivel no significante para o modelo. MARRIED: O fato de o indivduo ser casado aumenta em 0,1193949% o logaritmo dos salrios, mantendo tudo o mais constante. UNION: O fato de o indivduo ter uma unio estvel, aumenta em 0,1736339% o logaritmo dos salrios, mantendo tudo o mais constante.

3.1.2

EfeitosFixos

Aplicando o modelo de Efeitos Fixos, estimando pelo mtodo de mdia-temporal intra-grupos e analisando a significncia de cada varivel, obtemos os seguintes resultados:

Variveis Cons Educ Exper expersq Hours Black Hisp married Union

Coeficientes 1,2792140 0,0000000 0,0136962 -0,0052776 -0,0001346 0,0000000 0,0000000 0,0462519 0,0751027

Ep() 0,0338342 0,0085470 0,0006052 0,0000134 0,0180730 0,0190537

Estatstica t 37,81 16,02 -8,72 -10,08 2,56 3,94

Significncia Significante No significante Significante Significante Significante No significante No significante Significante Significante

Lwage = 1,2792140 + 0,0136962 exper 0,0052776 expersq 0,0001346 hours + 0,0462519 married + 0,0751027 union

Interpretando os resultados:

EDUC: Varivel no significante para o modelo; EXPER: Um aumento de uma unidade de ano de experincia, aumenta em 0,0136962 % o logaritmo dos salrios, mantendo tudo o mais constante. EXPERSQ: Um aumento de uma unidade de ano de experincia, aumenta em 0,0981492%, porm a taxas decrescentes de 0,0052776 %, mantendo tudo o mais constante. HOURS: Um aumento em unidade de hora trabalhada em um ano, diminui em 0,0001346 % o logaritmo dos salrios, mantendo tudo o mais constante.
8

BLACK: Varivel no significante para o modelo; HISP: Varivel no significante para o modelo; MARRIED: O fato de o indivduo ser casado, aumenta em 0,0462519 % o logaritmo dos salrios, mantendo tudo o mais constante. UNION: O fato de o indivduo ter uma unio estvel, aumenta em 0,0751027 % o logaritmo dos salrios, mantendo tudo o mais constante.

3.1.3

Efeito Aleatrio:

Utilizando o programa Stata para executar a regresso por Efeitos Aleatrios obtemos os dados seguintes dados:

Variveis cons educ exper expersq hours black hisp married union

Coeficientes 0,526943 0,1039457 0,1295023 -0,0049198 -0,0001204 -0,1460007 0,0277968 0,0680924 0,0995389

Ep() 0,1120799 0,0089303 0,083683 0,000592 0,0000127 0,0476983 0,0426875 0,0166231 0,0176723

Estatstica t 0,47 11,64 9,61 -8,31 -9,49 -3,06 0,65 4,10 5,63

Significncia Significante Significante Significante Significante Significante Significante No significante Significante Significante

Lwage = 0,526943 + 0,1039457 educ +0,1295023 exper 0,0049198 expersq 0,0001204 hours 0,1460007 black + 0,0680924 married + 0,0995389 union

Para analisar os resultados da estimao por Efeito Aleatrio necessrio identificar quais dos regressores so significante por meio do Teste t. Ser utilizado um nvel usual de significncia de 5%, com isso temos um
t =2

. Analisando os resultados obtidos


t

pelo Stata, observa-se 2 variveis com o nvel abaixo do so estatisticamente significantes.

, ou seja esse regressores so

estatisticamente insignificantes, que so a constante (cons) e ser hispnico (hisp), as demais Quando uma varivel significante ela serve para explicar a varivel explicada, para cada varivel explicativa significante pode-se analisar o impacto sobre a varivel explicada. Interpretando os resultados
9

EDUC: uma variao em um ano a mais nos estudo afetar positivamente o log do salrio em 0,103%; EXPER: uma variao de um ano em experincia afetar o log do salrio positivamente em 0,129%; EXPERSQ: como se trata da varivel de experincia ao quadrado, significa que um acrscimo de um ano em experincia ir aumentar o salrio em taxas negativas, ou seja, em 0,0049%; HOURS: um acrscimo em uma hora trabalhada afetar negativamente o log do salrio em 0,00012%; BLACK: um indivduo ser da raa negra diminui o log do salrio em 0,146%; MARRIED: o fato de um indivduo ser casado aumenta em 0,068% o log do salrio; UNION: o fato de um indivduo possuir unio estvel aumentar em 0,099% o log do salrio.

3.2 TESTES Aps a regresso por Pooled, Efeito Fixos e Efeitos Aleatrios. Qual o melhor mtodo? Qual apresenta melhores resultados para explicar o log do salrio? Para escolher qual o melhor mtodo necessrio fazer uso dos testes, que apontar qual o melhor modelo para estimar.

3.2.1

Teste F

um teste que escolher entre o Pooled e o Efeito Fixo, ele ir testar se todos ou coeficientes so iguais ou no, assim:
H 0 : 1 + 2+ + n (POOLED) H 1 : 1 2 n (E. FIXO)

A razo F utilizada para o teste ser:

F ( n 1 ; nt n k ) =

RMQVD RPOOLED n 1

]
10

1 RMQVD nt n k

Caso a razo F no caia dentro da rea de H 0 ento h algum coeficiente distinto, e rejeitamos a hiptese nula, ou seja o efeito fixo mais eficaz. Podemos observar o valor do teste F quando executamos a regresso por Efeitos Fixos, no qual obtemos os seguintes resultados: TABELA O teste nos ns informa que pelo menos um alfa diferente, ento o Pooled, ou seja os mnimos quadrados ordinrios ns dar resultados ineficientes. Portanto, entre o Pooled e os Efeitos Fixos escolheremos a regresso por Efeitos Fixos.

3.2.2

Teste Breusch e Pagan

esse teste serve para relacionar o eficiente entre o Pooled e o Efeito Aleatrio. Ele
2 ir testar se o u=0 , ou seja:

H 0 : u= 0 (POOLED)
2 H1 : u = 0 (E. ALEATRIO)

A estatstica de teste segue uma distribuio qui-quadrada com 1 grau de liberdade


2 ( X 1gl .

Com os resultados do Stata em mos, observamos que ele se posiciona de maneira a rejeitar a hiptese nula, ou seja, os Efeitos Aleatrios so prefervel ao Pooled, j que temos

3.2.3

Teste de Hausman

TESTE HAUSMAN: O teste de especificao de Hausman um teste estatstico utilizado em Econometria que avalia a consistncia de um estimador comparado a outro estimador alternativo, no caso, efeitos fixos e efeitos aleatrios. A equao de Hausman a seguinte e leva em conta a diferena entre os betas ds dois modelos estimados, ou seja, o Efeito Aleatrio e o Efeito fixo.

Temos ento, em nosso modelo, as seguintes hipteses:

11

H 0 : ui

no

correlacionado

com

os

regressores

X.

(EFEITO ALEATRIO)

H 1 : u i correlacionado com os regressores X. (EFEITO FIXO)

A estatstica de teste de Hausman segue uma qui-quadrada com k 1 graus de


2 liberdade ( X ( k 1) gl .

Como no nosso modelo utilizamos a regresso por Efeito Fixo utilizando a regresso intra-grupos, e como observado temos algumas variveis que no variam no tempo podemos at no utilizar o teste de Hausman e apresentar o modelo por Efeitos Aleatrios mais adequando para o nosso caso. Contudo para maiores informaes segue a estatstica de Hausman obtida pelo estata. Variveis exper expersq hours married union b = consistente em H0 e HI. B = inconsistente em HI e eficiente em H0. O resultado do teste aponta que Le no rejeita a hiptese nula, ou seja, o modelo mais adequado para a estimao o de Efeitos Aleatrios. FE (b) 0,1369621 -0,0052776 -0,0001346 0,462519 0,751027 RE (B) Diferena (b-B) 0,1295023 0,0074598 -0,0049198 -0,0003578 -0,0001204 -0,0000141 0,0680924 -0,0218405 0,0995389 -0,0244363

12

4. CONCLUSO

Os dados em painel tm uma dimenso espacial e outra temporal, ou seja, a mesma unidade de corte transversal (uma famlia, uma empresa, um estado, um pas) acompanhada ao longo do tempo, combinando sries temporais e dados de corte transversal. Com os dados em painel observamos uma maior adequao para explicar o modelo. Essa maior preciso e maior informao devido a observao das heterogeneidades das unidades, uma menor colinearidade, uma maior variabilidade entre as variveis e principalmente pela minimizao do vis de agregao. No nosso modelo de estimao do logaritmo dos salrios percebemos, ao utilizar o modelo de dados empilhados que ele no o mais adequado, pois no leva em considerao as diferenas de cada indivduo em seu tempo, pois a estimao pelo modelo Pooled feita assumindo que os parmetros e so comuns para todos os indivduos. Podemos avaliar que o efeito fixo melhor que o Pooled via teste F que confirma que o intercepto tem um valor diferente para os indivduos. Assim, realizando o teste de Breusch- Pagan, verificamos que de fato, entre os Efeitos Aleatrios e o Pooled, o primeiro o mais adequado para o modelo em questo. Ao utilizar o modelo de Efeitos fixos, percebemos que a presena de variveis que no mudam com o tempo, so impossibilitadas de ser estimadas, pois suas mdias temporais so iguais a zero, como, por exemplo, raa, gnero, estado civil Alm disso, uma outra limitao para a estimao o fato do painel ter um n muito grande. Realizando o teste de Hausman, verificamos que o modelo mais adequado para a estimao do modelo o de Efeitos aleatrios.

13

REFERNCIAS

14